基于Python正則表達式提取搜索結(jié)果中的站點地址
更新時間：2015年10月15日 09:59:29 投稿：mrr
正則表達式對于Python來說并不是獨有的，最近在鼓搗一個東西把google搜索的結(jié)果中所有的站點地址導出，于是想到用python正則表達式提取搜索結(jié)果中的站點地址，小編把具體實現(xiàn)思路整理分享給大家
正則表達式對于Python來說并不是獨有的，最近在把google搜索的結(jié)果中所有的站點地址導出，于是想到用python正則表達式提取搜索結(jié)果中的站點地址。
這其中涉及幾個需要解決的問題：
1、獲取搜索的結(jié)果文本
為了獲得更多的地址，我使用了Google的高級搜索功能，每個頁面顯示100條結(jié)果。
獲得顯示的結(jié)果后，可以查看源碼，并保持成文本文件就有了搜索的結(jié)果文本
2、分析如何提取站點信息
首先需要分析獲取的頁面，查看以怎樣的方式可以提取出站點信息。
我使用IE8自帶的開發(fā)工具（按F12就會彈出來）中的探查器功能查看自己要關(guān)心的內(nèi)容有什么特殊的格式
從上圖可以看出我需要的站點在標簽<cite></cite>中，所以我使用正則表達式提取這其中的文本是否就可以呢？
3、編寫正則表達式來獲取站點地址
接下來的就是寫表達式了，我使用Python3.2編寫的，方便好用（~_~）
代碼如下，先把搜索結(jié)果頁面保持到e:/t3.txt中，在執(zhí)行如下代碼
import re
p = re.compile(r'<cite>([^<>\/].+?)</cite>')
f = open("e:/t3.txt", encoding='utf-8')
content = f.read()
print ("\n".join(p.findall(content)))
運行如下：
大家可以對照一下運行效果圖，看看所有的站點地址是不是都給獲取到了。
相關(guān)文章
找到一個好用的正則匹配電話和手機號的方法，感謝，在這里分享一下2014-05-05
這篇文章主要介紹了使用正則表達式去除所有html標簽只保留文字效果，本文給大家介紹的非常詳細，具有一定的參考借鑒價值，需要的朋友參考下吧2018-07-07
這篇文章主要介紹了linux 正則表達式的一些使用方法，需要的朋友可以參考下2013-11-11
移除HTML標簽的正則表達式，這里是asp版本，注意是看正則的寫法，腳本之家以前也發(fā)布過類似的代碼。2009-11-11
linux下關(guān)于正則表達式grep的一點總結(jié)
正則表達式（Regular Expression）是用于描述一組字符串特征的模式，用來匹配特定的字符串。通過特殊字符＋普通字符來進行模式描述，從而達到文本匹配目的工具2020-04-04
正則表達式是一種可以用于模式匹配和替換的強大工具。這篇文章主要介紹了正則表達式（簡單易懂篇），需要的朋友參考下2017-01-01
這篇文章主要介紹了常用的正則表達式實例整理,非常不錯，具有參考借鑒價值，需要的朋友可以參考下2018-03-03![[js]用JAVASCRIPT正則表達式限制文本字節(jié)數(shù)的代碼](http://img.jbzj.com/images/xgimg/bcimg7.png)
[js]用JAVASCRIPT正則表達式限制文本字節(jié)數(shù)的代碼
[js]用JAVASCRIPT正則表達式限制文本字節(jié)數(shù)的代碼...2007-11-11
正則表達式用極簡的規(guī)則取代了復雜的驗證邏輯，是一種通用的技術(shù)，適用于多種編程語言，近通過本文給大家講解Java 中的正則表達式單字符匹配和預定義字符匹配問題，感興趣的朋友跟隨小編一起看看吧2022-11-11
正則表達式在ＵＢＢ論壇中的應用...2006-06-06